这取决于他们为什么这样做，以及您可能需要使用哪些额外信息——比如您是否有特定的细胞计数，您可以从中计算自己的效果测量值。但是，一些初步的想法：

1. 这里有两个逻辑组。优势比和相对风险，如果它们在您的任何研究中被报告，它们是在逻辑上分组的（因为优势比通常在无法计算实际相对风险时试图估计相对风险）。类似地，比率（我将假设为 = 泊松回归的发生率密度比）和风险比都处理时间数据。例如，我真的不会交叉比较 OR 和 HR。
2. 相对风险和 OR：老实说，我可能会对这两个指标进行并行分析。如果一项研究是队列或横断面人口设计，并报告了其数量，您可以从中计算出您自己的 OR。但是，如果您选择这样做，我肯定会根据研究设计来研究异质性。
3. 比率和人力资源：这些你可能更有能力逃脱。如果比率是计算为 的两个比率的比率 cases/person-time，那么这实际上也是一个风险比估计值。这只是在比例风险和恒定风险假设下得出的风险比。您可以将它们直接转换为 HR，但同样，我会查看它报告的研究异质性，因为比率和来自 Cox 模型之类的 HR 是在不同的假设下执行的。
4. 如有疑问，最好将研究分开并查看每个子组。不一定将其视为失败。如果不同的效果测量和研究设计报告不同的结果，也就是说，这本身就是一个发现。套用我的一位教授的话说，阻止对单一汇总估计进行估计的异质性是值得报告的结果。